Depressive symptoms, hostility, and hopelessness in inner-city adolescent health clinic patients: factor structure and demographic correlates
Notice bibliographique
Résumé
BACKGROUND: Depression, hostility, and hopelessness are risk factors for adult cardiovascular disease (CVD). People living in inner-city environments are particularly vulnerable. These associations may begin in adolescence, but research in this area is hampered by inadequate knowledge about how these negative psychological factors are related in teens and how they are affected by demographic characteristics. We hypothesized that depression, hostility, and hopelessness are one construct, and that this construct would be associated with race and gender in attendees at an inner-city adolescent health clinic. METHODS: Two hundred and forty-six 15-18-year-old patients filled out instruments measuring depressive symptoms, hostility, and hopelessness. Confirmatory factor analysis was used to determine whether the negative psychological factors comprised a single construct or three separate ones. General linear modeling (GLM) was used to test the associations between demographic characteristics and the results of the factor analysis. RESULTS: Depressive symptoms, hostility, and hopelessness were best characterized as three separate constructs, not one (root mean square error of approximation (RMSEA)=0.041, 90% confidence interval (CI)=(0.035, 0.047), comparative fit index (CFI)=0.98). There were no significant relationships between demographic variables and depressive symptoms or hostility. Six percent of the variance in hopelessness scores was accounted for by gender, race, and the interaction between the two (F=3.76; p=0.006), with White males, reporting the highest levels of hopelessness. CONCLUSION: In an urban adolescent health clinic population, depressive symptoms, hostility, and hopelessness were best understood as three separate constructs. Hopelessness was significantly higher in White males. Implications for future clinical research on negative psychological factors in teens are discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».